実用化を目指した3本の柱

アルゴリズム
半導体
品質基盤
アルゴリズム
車載機器に搭載するアルゴリズムでは、最高性能を目指すとともに、顧客のニーズを満たすために、製品として実用化できる要件を満たす必要があります。アルゴリズム開発では、最先端のAI技術をいち早く取り入れ、十分な学習データ・計算機環境を準備し、機器搭載に必要な高速化、省メモリ化を実現していきます。
半導体
半導体開発では、車載という制約の中で最高のパフォーマンスが引き出せるように、アルゴリズム開発者とともに小型・高速化の観点で先行技術開発に取り組みます。また、各半導体企業の協力を得ながら車載企画を進めることで、いち早いAIシステムの車載実用化を実現していきます。
品質基盤
品質は開発のワークフロー全体で作り込むことが欠かせません。機械学習技術の導入により、開発の様々な場面で新たに品質を保証する技術が必要になります。品質基盤では、学習データの品質、学習したモデルの品質、モデルを利用するシステムの品質について保証を実現する基盤技術を開発していきます。

開発事例

画像センシング
高速・省メモリなランドマーク点推定技術 trACE

画像センシングは高度運転支援のために必須の技術です。しかしながら、カメラから得られる多数の画像を高速に処理する必要があります。そこで、画像認識の演算量を大幅に削減する基礎理論の研究に取り組んでいます。 この研究成果から生まれた高速・省メモリなランドマーク点推定技術 trACE は、対象物の各部位(車であればタイヤ・フロントガラス・ボンネット、人の顔であれば鼻・目・口等)を高速に検出することができます。車載マイコン上で高度な画像認識技術を動作させることで、高度運転支援の可能性がさらに高まると期待しています。

自動運転アルゴリズム
様々なリスクを考慮した「かもしれない運転」

市街路などの複雑な環境下で適切にドライバをサポートしたり、安全でスムーズな自動運転を実現したりするためには、様々なリスクを予測した上で最適な行動を高速に決定する必要があります。 運転シーンがどう変化していくかを予測するための人工知能技術や機械学習アルゴリズムを構築すると共に、こうした予測結果を高速に反映して最適な行動を決定できる実時間行動計画アルゴリズムの開発も行っています。実車で収集したデータをベースに、シミュレーション・ミニチュアカーなど様々なプラットフォームで技術検証を効率よく進めています。